UAS VISUALISASI DATA

library(readr)
library(readxl)
library(gganimate)

## Loading required package: ggplot2

## No renderer backend detected. gganimate will default to writing frames to separate files
## Consider installing:
## - the `gifski` package for gif output
## - the `av` package for video output
## and restarting the R session

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

Data <- read_xlsx("Data.xlsx")

Tahapan Pembuatan Grafik

Pembuatan grafik melibatkan beberapa tahapan, mulai dari persiapan data hingga presentasi grafik yang efektif. Berikut adalah tahapan dalam pembuatan grafik:

1. Persiapan Data

• Pengumpulan Data: Kumpulkan data yang relevan dari sumber terpercaya.
• Pembersihan Data: Pastikan data bebas dari kesalahan, seperti data duplikat, data kosong, atau nilai yang tidak masuk akal.
• Strukturisasi Data: Susun data dalam format yang sesuai, seperti tabel atau lembar kerja (misalnya, Excel atau Google Sheets).

2. Pemilihan Jenis Grafik

• Tentukan Tujuan: Tentukan pesan atau informasi yang ingin disampaikan.
• Pilih Grafik yang Tepat:
• Grafik Batang: Untuk perbandingan antar kategori.
• Grafik Garis: Untuk menunjukkan tren seiring waktu.
• Diagram Lingkaran: Untuk menunjukkan proporsi atau persentase.
• Histogram: Untuk distribusi data.
• Scatter Plot: Untuk menunjukkan hubungan antar dua variabel.

3. Pembuatan Grafik

• Gunakan Alat yang Tepat: Pilih alat atau software untuk membuat grafik, seperti: Microsoft Excel, Google Sheets, Tableau, Python (Matplotlib, Seaborn), R (ggplot2),
• Masukkan Data: Masukkan data Anda ke dalam alat yang dipilih.
• Sesuaikan Parameter Grafik: Atur skala, sumbu, label, warna, dan elemen lain yang diperlukan.

4. Penyempurnaan Grafik

• Tambahkan Elemen Pendukung: Judul grafik yang informatif, Label pada sumbu (X dan Y), Legenda, jika diperlukan, Garis bantu atau anotasi,
• Periksa Keseimbangan Visual: Hindari elemen yang terlalu ramai, Gunakan warna yang kontras namun tidak mencolok,

5. Analisis dan Interpretasi

• Tinjau grafik untuk memastikan data yang ditampilkan sesuai dengan tujuan.
• Pastikan grafik mudah dipahami oleh audiens yang dituju.

6. Presentasi Grafik

• Kontekstualisasi Grafik: Tambahkan deskripsi atau narasi untuk menjelaskan grafik.
• Pilih Media Penyampaian: Gunakan presentasi slide, laporan, atau infografis untuk menampilkan grafik.
• Kumpulkan Feedback: Tanyakan kepada audiens apakah grafik sudah jelas dan efektif.

1.Grafik Univariat (Histogram)

library(ggplot2)
library(readxl)

ggplot(Data, aes(x = Angka_Harapan_Hidup)) +
  geom_histogram(binwidth = 5, fill = "skyblue", color = "black") +
  labs(
    title = "Distribusi Angka Harapan Hidup",
    x = "Angka Harapan Hidup",
    y = "Frekuensi"
  ) +
  theme_minimal()

2. Grafik Bar (Bar chart Vertikal)

ggplot(Data,aes( x = Benua, y = Jumlah_anak, fill = Benua))+
  geom_bar(stat = "identity",)+
  labs (title="Jumlah Anak Per Benua",x= "Benua" ,y="Jumlah anak")

3. Grafik Multivariat (Heatmap)

library(ggplot2)
ggplot(Data, aes(x = Tahun, y = Benua, fill = Angka_Harapan_Hidup)) +
  geom_tile() +
  scale_fill_gradient(low = "blue", high = "red") +
  labs(
    title = " ",
    x = "Tahun",
    y = "Benua",
    fill = "Jumlah anak"
  ) +
  theme_minimal()

4. Grafik Interaktif (Bar Chart Horizontal)

# Muat library
library(ggplot2)
library(gganimate)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(readxl)

library(plotly)
library(dplyr)
library(readxl)

# Baca data dari file Excel
data <- read_excel("Data.xlsx")

# Filter data (ambil top 10 negara per tahun berdasarkan Pendapatan_per_kapita)
data_filtered <- data %>%
  group_by(Tahun) %>%
  arrange(desc(Pendapatan_per_kapita)) %>%
  slice_head(n = 10) %>%
  ungroup()

# Buat grafik animasi menggunakan plotly
fig <- data_filtered %>%
  plot_ly(
    x = ~Pendapatan_per_kapita,
    y = ~reorder(Negara, Pendapatan_per_kapita),
    frame = ~Tahun,
    color = ~Benua,
    type = "bar",
    orientation = "h"
  ) %>%
  layout(
    title = "Pendapatan per Kapita per Tahun",
    xaxis = list(title = "Pendapatan per Kapita"),
    yaxis = list(title = "Negara"),
    barmode = "stack"
  )

# Tampilkan grafik
fig

## Warning in p$x$data[firstFrame] <- p$x$frames[[1]]$data: number of items to
## replace is not a multiple of replacement length

Kesimpulan Grafik:

• Histogram (Univariat): Menunjukkan distribusi Angka Harapan Hidup. Mayoritas data berada dalam rentang tertentu (misalnya, 60-80).

• Bar Chart Vertikal: Memperlihatkan jumlah anak per benua. Benua dengan jumlah anak terbanyak dan terkecil dapat diidentifikasi.

• Heatmap (Multivariat): Menggambarkan hubungan Tahun, Benua, dan Angka Harapan Hidup. Pola peningkatan atau perbedaan antar benua dapat dianalisis.

• Bar Chart Horizontal (Interaktif): Menunjukkan tren Pendapatan per Kapita 10 negara teratas secara tahunan. Negara dengan posisi konsisten atau fluktuasi signifikan dapat diamati.